cleancc 0.1.0

数据清洗--cleancc

cleancc

• 快速清洗数据内容可以
• 项目地址(欢迎star):https://github.com/Amiee-well/clean

使用方法

• pip install cleancc

• import cleancc

• 共有五个函数调用：

  1.第一个函数为punct：

  [

  ​ 去除标点并让所有字母小写

  ​ :param pop_list:所要处理的的列表格式

  ​ :param lower:是否转小写，默认是

  ​ :return all_comment:处理后的结果-字符串格式

  ]

  2.第二个函数为statistics：

  [

  ​ 词频统计

  ​ :param pop_list:所要处理的的列表格式

  ​ :param symbol:是否去除标点，默认是

  ​ :param lower:是否转小写，默认是

  ​ :return wordCount_dict:统计结果-字典格式

  ]

  3.第三个函数为stop_words：

  [

  ​ 删除词频统计中的停顿词

  ​ :param statis:是否选择词频清理

  ​ :param pop_list:所要处理的的列表格式

  ​ :param symbol:是否去除标点，默认是

  ​ :param lower:是否转小写，默认是

  ​ :param wordCount_dict:词频统计结果-字典

  ​ :return wordCount_dict:清除后结果-字典格式

  ]

  4.第四个函数为Count_Sort：

  [

  ​ 字典排名数目排序

  ​ :param wordCount_dict:词频统计结果-字典

  ​ :param choices_number:返回前choices_number个字典个数

  ​ :return keyword_list:出现的单词-列表格式

  ​ :return value_list:单词对应的词频-列表格式

  ]

  5.第五个函数为word_all：

  [

  ​ 调用全部函数

  ​ :param pop_list:所要处理的的列表格式

  ​ :param choices_number:返回前choices_number个字典个数

  ​ :param symbol:是否去除标点，默认是

  ​ :param lower:是否转小写，默认是

  ​ :return keyword_list:出现的单词-列表格式

  ​ :return value_list:单词对应的词频-列表格式

  ]

注意事项

• 注意:处理数据参数类型为列表，需要pandas转换为列表后进行调用！

• 使用示例:

import pandas as pd
from cleancc import clean 
from bs4 import BeautifulSoup

df = pd.read_csv("label.csv",sep='\t', escapechar='\\')
review_list = df['review'].tolist()
comment_list = [BeautifulSoup(k,'lxml').text for k in review_list]
print(comment_list)

keyword_list, value_list = clean.word_all(comment_list,150)
print(keyword_list, value_list)